本文介绍使用 `pandas.merge_asof()` 高效实现跨 dataframe 的时间区间匹配，避免低效的嵌套循环，在百万级数据下仍保持秒级响应。
在数据分析中，常需将一个事件表（如设备操作日志）与一个时段表（如工单生效区间）按主键+时间范围关联，并将时段表中的字段（如 VALUE）作为新列注入事件表。若采用双重 for 循环逐行比对（如 df1[‘EVENT_TIME’] 是否落在 df2[‘IN_TIME’] 与 df2[‘OUT_TIME’] 之间），时间复杂度为 O(n×m)，面对 10 万+ 行数据时极易超时（如原问题中耗时 >10 分钟）。幸运的是，Pandas 提供了专为此类场景优化的 merge_asof() 方法——它基于排序后的一对多最近匹配机制，配合后续逻辑过滤，可将性能提升数十倍。
✅ 正确做法：merge_asof + 时间范围校验
核心思路分三步：
